目录
一、OllamaAPI {#一、OllamaAPI}
1. 查看本地已下载模型 http://localhost:11434/api/tags
- 功能：列出本地已下载的模型。
- 响应格式：
{
"models": [
{
"name": "<model-name>", // 模型名称
"size": "<model-size>", // 模型大小
"modified_at": "<timestamp>" // 修改时间
}
]
}
- 示例请求：
curl http://localhost:11434/api/tags
2.拉取模型（Pull Model）
- 端点：
POST /api/pull - 功能：从模型库中拉取模型。
- 请求格式：
{
"name": "<model-name>" // 模型名称
}
- 响应格式：
{
"status": "downloading", // 下载状态
"digest": "<model-digest>" // 模型摘要
}
- 示例请求：
curl http://localhost:11434/api/pull -d '{
"name": "deepseek-coder"
}'
3. 调用模型生成文本（Generate Text）
- 端点：
POST /api/generate - 功能：向模型发送提示词（prompt），并获取生成的文本。
- 请求格式：
{
"model": "<model-name>", // 模型名称
"prompt": "<input-text>", // 输入的提示词
"stream": false, // 是否启用流式响应（默认 false）
"options": { // 可选参数
"temperature": 0.7, // 温度参数
"max_tokens": 100 // 最大 token 数
}
}
- 响应格式：
{
"response": "<generated-text>", // 生成的文本
"done": true // 是否完成
}
- 示例请求：
curl http://localhost:11434/api/generate -d '{
"model": "deepseek-r1",
"prompt": "帮我制定AI学习计划",
"stream": false
}'
4. 聊天（Chat）
- 端点：
POST /api/chat - 功能：支持多轮对话，模型会记住上下文。
- 请求格式：
{
"model": "<model-name>", // 模型名称
"messages": [ // 消息列表
{
"role": "user", // 用户角色
"content": "<input-text>" // 用户输入
}
],
"stream": false, // 是否启用流式响应
"options": { // 可选参数
"temperature": 0.7,
"max_tokens": 100
}
}
- 响应格式：
{
"message": {
"role": "assistant", // 助手角色
"content": "<generated-text>" // 生成的文本
},
"done": true
}
- 示例请求：
curl http://localhost:11434/api/chat -d '{
"model": "deepseek-r1",
"messages": [
{
"role": "user",
"content": "帮我制定AI学习计划"
}
],
"stream": false
}'
二、命令行调用{#二、命令行调用}
//启动ollama服务
ollama serve
//停止ollama服务
ps aux | grep ollama
kill -9 {ollama serve的PID}
//查看本地模型
ollama ls
//拉取远程模型
ollama pull deepseek-r1
//运行本地模型
ollama run deepseek-r1
进入会话后的操作命令：
(myenv) MBP-WD6RT4MYFV-0157:~ xxx$ Ollama run deepseek-r1
>>> /help
Available Commands:
/set Set session variables
/show Show model information
/load <model> Load a session or model
/save <model> Save your current session
/clear Clear session context
/bye Exit
/?, /help Help for a command
/? shortcuts Help for keyboard shortcuts
Use """ to begin a multi-line message.
三、API调用{#三、API调用}
查看ollama运行状态 http://127.0.0.1:11434/，查看本地已下载模型 http://127.0.0.1:11434/api/tags
通过curl调用本地api - 单轮会话：
curl http://localhost:11434/api/generate -d '{
"model": "deepseek-r1",
"prompt": "制定AI学习计划",
"stream": false
}'
通过curl调用本地api - 多轮会话（记住上下文）：
curl http://localhost:11434/api/chat -d '{
"model": "deepseek-r1",
"messages": [
{
"role": "user",
"content": "帮我制定AI学习计划"
}
],
"stream": false
}'
四、Python脚本调用{#四、Python脚本调用}
步骤 1：创建虚拟环境
- 打开终端或命令行。
- 创建虚拟环境：
在项目目录下运行以下命令创建一个名为myenv的虚拟环境：
python3 -m venv myenv
步骤 2：激活虚拟环境
- 激活虚拟环境：
- 在Linux 或 macOS上：
source myenv/bin/activate
- 在Windows上：
myenv\Scripts\activate
激活后，你的终端提示符会显示虚拟环境的名称，例如：
(myenv) user@host:~$
步骤 3：安装依赖
- 安装
requests库：
在激活的虚拟环境中，运行以下命令安装requests库：
pip3 install requests
步骤 4：编写 Python 脚本
- 创建脚本文件：
在桌面目录下创建一个名为ollama_api_call.py的文件。 - 编写脚本内容：
打开ollama_api_call.py文件，并写入以下代码：
import requests
# 设置 API 端点和请求数据
url = "http://localhost:11434/api/chat" # Ollama API 端点
headers = {"Content-Type": "application/json"} # 请求头
data = {
"model": "deepseek-r1", # 模型名称
"messages": [
{"role": "user", "content": "为什么天空是蓝色的？"} # 用户输入的消息
],
"stream": False, # 是否启用流式响应
"options": {"temperature": 0.7} # 可选参数，例如温度
}
# 发送 POST 请求
response = requests.post(url, json=data, headers=headers)
# 检查响应状态码
if response.status_code == 200:
# 打印响应内容
print("API 响应：")
print(response.json())
else:
print(f"请求失败，状态码：{response.status_code}")
print(f"错误信息：{response.text}")
步骤 5：运行脚本
- 运行脚本：
在激活的虚拟环境中，运行以下命令执行脚本：
python ollama_api_call.py
python /Users/xxx/Desktop/ollama_api_call.py
步骤 6：查看输出
- 查看输出结果：
如果 Ollama 服务正在运行且 API 调用成功，你将看到类似以下的输出：
{
"message": {
"role": "assistant",
"content": "天空是蓝色的，是因为大气中的气体分子会散射太阳光中的蓝色光波，而蓝色光波的波长较短，散射效果更明显。"
},
"done": true
}
